基于深度强化学习算法的Raid卡缓存容量管理方法及装置

本发明涉及一种智能缓存管理领域，为基于深度强化学习算法的Raid卡缓存容量管理方法及装置。该方法包括采集Raid卡的历史运行数据，根据Raid卡的历史运行数据筛选影响缓存容量策略的关键特征数据，将影响缓存容量策略的关键特征数据进行预处理；构建一个深度强化学习模型，利用预处理的缓存容量变化特征训练深度强化学习模型；将训练好的深度强化学习预测模型部署到Raid卡实际运行环境中，实时监控Raid卡的运行情况，输出实时优化的缓存容量策略。本发明可以有效地应对了Raid卡在不同负载条件下的缓存需求变化，能够动态调整缓存容量以优化资源利用率，能够显著提高缓存命中率和响应时间，减少系统延迟，以优化Raid卡整体存储系统的性能和效率。